设计用于销售预测的神经网络

Question

我正在开发一个分布式系统，其中计划使用神经网络进行销售预测。

该系统的一个小的描述：该系统结合了诸如药房，病人（电子健康记录）和医生模块等模块的工作流程。

问题是：我有很多关于医药销售的信息，我在设计神经网络时有点困惑。

我目前的设计： 输入（根据可以从数据库中取得的数据）：

1. 日期：的中药销售给客户（YYYY/MM/DD格式）的日期。
2. 患者年龄分类：与患者的年龄分类相对应的值例如：（1 - > 12：小孩，13 - > 30：年轻......）
3. 患者性别。
4. Medicine ID：与药物相对应的值。
5. 疾病ID：与产生处方的医生发现的疾病相对应的值。
6. 医药单位成本：与购买药品成本相对应的价值。
7. 医药单位出售量：与销售药品成本相对应的价值。
8. 药房地址ID：与药房地址对应的值。
9. 季节ID：与销售药物季节（夏季，冬季等）相对应的值。

输出：

1. 数量：对应于将要出售的药物的量的值。
2. 利润：与销售上一个数量的利润额相对应的值。

问题是：我不确定这个设计是否有意义，有什么更好的建议？

和我应该使用什么类型的网络来实现这个设计..我打算使用多层循环网络......这是一个不错的选择或有更好的模型？

注：我打算使用c＃与“AForge.NET框架”实现网络。

希望这个描述是清晰和简单的，并为我的可怜的语言感到遗憾。

Answer 1

我怀疑日期（绝对值）是否会给模型增加任何值。如果你有很多年的数据，它可能会产生一些意义，但是可以采取一些措施，例如，哪一天是四分之一，是周末还是一个工作日，或者是否在重大节假日等的n天内要强大得多。

我不知道你的直接领域，所以我对网络拓扑没有任何意见。如果你查阅一些论文，可能会有一些评论文章与你的研究领域有关，讨论趋势是什么。

Answer 2

这似乎缺少一些信息。

为了预测未来，您需要一个基线。例如，在给定的处方中，有人可能会补充它的可能性有多大？这种可能性是否与任何其他指标（年龄组，性别，销售日期）有关？

同样季节只对患者的位置有影响，可能只对某些类型的药物（我在想冷/过敏/流感）。此外，为了提供任何真正的季节性准确性，您必须为该季节引入数据，例如过敏原水平等。

接下来，药物和利润预期成本仅与实际药物和没有必要预测销售可能性。

Answer 3

ID和类别对实际投入的选择很差，因为它们不是连续的，而且它们的相对量级意义不大。哪些ID最适合为不同的类别创建单独的网络，但是，鉴于您在此处定义了大量ID和类别，这意味着您拥有大量单独的网络，需要大量训练数据，因为它会被大量稀释。二元分类（如性别）可能有效，但是具有多个分类的任何分类都不会产生良好的结果。

对神经网络要非常小心，因为如果网络足够大，可以创建一些似乎给出预测的东西，但在训练集之外这确实没有意义。确保你有一个不参与培训的大型验证集。